復(fù)雜工業(yè)過程細(xì)致而穩(wěn)健的運(yùn)行狀態(tài)評價及非優(yōu)因素識別方法是保證其安全綠色高效生產(chǎn),提高企業(yè)綜合經(jīng)濟(jì)效益的有效手段之一。針對復(fù)雜工業(yè)過程中存在的（強(qiáng)）非線性、信息冗余以及標(biāo)簽數(shù)據(jù)不足（無標(biāo)簽數(shù)據(jù)多而有標(biāo)簽數(shù)據(jù)少）等實際問題,本文提出了兩種基于自編碼器模型的運(yùn)行狀態(tài)評價及非優(yōu)因素識別方法。具體工作內(nèi)容如下:（1）針對復(fù)雜工業(yè)過程中存在的非線性、信息冗余以及受不確定性因素影響而難以建立穩(wěn)健可靠的評價模型的問題,本文引入深度學(xué)習(xí)中的稀疏降噪自編碼器（Sparse Denoising Auto Encoder,SDAE）模型,并在此基礎(chǔ)上提出了一種基于綜合經(jīng)濟(jì)指標(biāo)約束的SDAE特征提取模型（Comprehensive Economic Index Regularization SDAE,ISDAE）。在SDAE無監(jiān)督特征學(xué)習(xí)的基礎(chǔ)上引入綜合經(jīng)濟(jì)指標(biāo)約束項,迫使自編碼器學(xué)習(xí)與綜合經(jīng)濟(jì)指標(biāo)相關(guān)的原始數(shù)據(jù)特征表達(dá),并將其作為輸入訓(xùn)練運(yùn)行狀態(tài)識別模型。然后,級聯(lián)特征提取模型和運(yùn)行狀態(tài)識別模型,并通過參數(shù)微調(diào)獲得最終的運(yùn)行狀態(tài)評價模型。在線應(yīng)用時,通過引入滑動窗口和信任權(quán)值的方式提高在線評價結(jié)果的可靠性。當(dāng)... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

過程數(shù)據(jù)可視化：(a)原始數(shù)

工程碩士專業(yè)學(xué)位論文8211Var()()nnjjjNnjjjjnxxssxxNx(2-3)其中，njx

本文編號：3466325